在随机森林中拆分训练和测试数据的查询答案

【问题标题】：queries in spliting train and test data in Random Forest在随机森林中拆分训练和测试数据的查询
【发布时间】：2018-07-31 20:54:07
【问题描述】：

我有一个包含 15 个变量和 4669 个观察值的数据框。

我正在使用随机森林进行建模。我的数据集的目标是预测特定产品是否会被客户接受。

所以，我的输出变量有“是”、“否”和“”的因子。

我的问题是，我是否可以在随机 Forest 中预测这个 "" 为 Yes 或 No？

示例数据如下所示

Outputvar <- c("Yes", "Yes", "No", "NO", "", "")
Inputvar1 <- c("M", "F", "F", "M", "F", "M")
Inputvar2 <- c("34","25","40","50","60","34")
data <- data.frame(cbind(Outputvar,Inputvar2,Inputvar1))

我是 R 新手，如果我的理解是错误的，那么谁能解释我可以做什么？

编辑：这是我到目前为止尝试过的代码

library(RandomForest)
data$outvar <- factor(data$outputvar, exclude = NULL)
ind0 <- sample(2, nrow(data), replace = TRUE, prob = c(0.7,0.3))
train0 <- data[ind0==1, ]
test0 <-  data[ind0==2, ]
fit1 <- randomForest(outputvar1~., data=train0)
print(fit1)
plot(fit1)

编辑2：编号：3536 是：1061 “”：72

【问题讨论】：

你用的是什么包？到目前为止，您尝试了什么？
尝试添加：data$Outputvar <- factor(data$Outputvar, exclude=NULL)
@MrSmithGoesToWashington 我正在使用 Randomforest 包
@MrSmithGoesToWashington 实际上我的问题是，我是否可以使用随机森林将那些 Null 预测为是或否。 ??
小心，您的data$Outputvar 中有“否”和“否”类别。您应该更正此问题。

标签： r machine-learning random-forest

【解决方案1】：

我的数据集的目标是预测特定产品是否会被客户接受。

所以，我的输出变量有“是”、“否”和“”的因子。

嗯，不。这里的实际上下文是：

您的输出变量只有两个因素，“是”和“否”；并且您的可用数据集的一部分没有结果的值（“”）并且您想要预测它。

我的问题是，我是否可以在随机森林中预测这个 "" 为 Yes 或 No？

原则上，是的 - 这正是分类器（例如随机森林）的用途。一般来说，您需要仅使用结果（是/否）确实可用的样本来训练您的模型（训练集，您可以将其子集用作测试集，以评估您的模型性能） ;之后，您可以在其余数据集中使用predict 来预测结果。

当然，这只是一个复合过程的4行总结，其中涉及许多步骤和子步骤，此处无法详细分析，但希望能给您一个（非常）高层次的问题视图（可以说，这就是您要问的）。我对your other relevant question 的回答也应该有用。

【讨论】：